schema能提升AI引用吗：两份相反研究

被AI引用的页面里，带结构化数据的比例接近三倍，于是"加schema提升引用41%"流传开来。但把变量隔离之后，一次覆盖1,885个页面与4,000个对照页面的实验显示三个平台都没有正向提升。文中拆解这两份相反结论的来源、口径差异与机制解释。

作者：灵曦GEO

先给结论：结构化数据（schema）不是"让 AI 引用你"的增长杠杆，而是"让机器读懂你"的基础卫生。把它当成一项能算出引用增长的投资，回报接近于零；但它对抓取、解析与身份识别的价值确实存在——错的是把它放在增长的位置上考核。

现象与数据：两条被反复引用的证据

结论：关于 schema 流传最广的两条证据，是 600 万条 URL 中带 JSON-LD 的页面被引可能性近 3 倍，以及 1,000 多个项目称引用率提升 41%。

关于"schema 有没有用"，流传最广的是两条数据。一是相关性观察：分析 600 万条 URL 后发现，被 AI 引用的页面带 JSON-LD 的可能性是未被引用页面的近 3 倍，换个口径说，被引页面中超过一半含结构化数据。二是行业基准：一份覆盖 1,000 多个项目的报告称，实施完整 schema 的项目 AI 引用率平均提升 41%，其中含 FAQ schema 的页面被引率达到同类页面的 2.2 倍。

证据	结论	方法与口径
600 万条 URL 相关性观察	被引页面带 JSON-LD 的可能性近 3 倍	相关性统计，未控制其他变量
1,000+ 项目行业基准	完整 schema 项目引用率 +41%	服务商自研，无对照组

机制拆解：把变量隔离之后，效果消失了

结论：隔离实验追踪 1,885 个新增 JSON-LD 的页面，结果显示 Google AI Overviews 为 -4.6%、AI Mode 为 +2.4%、ChatGPT 为 +2.2%，没有正向提升。

"相关不等于因果"这件事做 SEO 的人并不陌生：带 schema 的站点往往同时内容更好、技术更规范、外链更多，引用多可能只是这些原因。

随后的一次隔离实验做的正是这件事——追踪 1,885 个在 2025 年 8 月至 2026 年 3 月间新增 JSON-LD 的页面，为每页匹配三个从未加过 schema、引用水平相近的对照页面（共 4,000 条），用匹配式双重差分测量加 schema 前后各 30 天的引用变化。

三个平台的结果是：Google AI Overviews −4.6%，Google AI Mode +2.4%，ChatGPT +2.2%。后两者与零无法区分；前者是幅度很小的下降，折算约每页每天少 12 次引用，而样本中多数页面每天有数百次。四项检验结论一致：没有正向提升。

机制拆解：为什么隔离后效果会消失

结论：一项覆盖五个系统的实验发现，AI 实时抓取页面时均未解析 JSON-LD 这类隐藏标记，只提取可见 HTML 的内容。

另一份独立实验给出了机制层面的解释：测试 ChatGPT、Claude、Perplexity、Gemini、Google AI Mode 五个系统在实时抓取页面时是否使用结构化数据，结论是均未解析 JSON-LD 这类隐藏标记，只提取可见 HTML 的内容。可以拆成三点理解：

引用决策发生在段落层

模型需要的不是"这个页面讲什么"，而是"这段正文能否被独立摘出来回答眼前这个问题"。标记回答的是前者，引用挑选的是后者。

交叉验证：Google 撤销了一类富结果

结论：2026 年 5 月 7 日起 Google 搜索不再显示 FAQ 富媒体结果，但 FAQPage 数据类型本身没有废弃，仍会用于理解页面。

2026 年 5 月 7 日起，Google 搜索不再显示 FAQ 富媒体搜索结果；6 月起从 Search Console 移除相关报告与测试工具支持，8 月移除 API 支持。这是官方文档中的明确口径。但要注意后半句：FAQPage 这个数据类型本身没有废弃，Google 说明仍会用它来理解页面。这句话把三件事切开了——结构化数据、搜索富结果、AI 引用，是三件彼此独立的事，不能互相替代。

反直觉观点：真正该问的不是"有没有用"

结论：schema 不产生引用，却影响抓取、解析与实体识别，属于引用之前的门槛，把它当成增长杠杆来考核方向就错了。

既然隔离后没有提升，常见的推论是"那就不做"。我们认为同样不对。schema 不产生引用，但它影响抓取、解析与实体识别，而这是引用之前的门槛。

已有资料显示多数 AI 爬虫不执行页面脚本，也不解析隐藏标记——如果关键信息只存在于脚本渲染之后，机器可能根本读不到。同类落差也出现在别的标记上，llms.txt 被采用与被读取就是两回事。

所以更准确的算法是：把 schema 计入"能不能被正确理解"的成本，而不是"能不能带来增长"的投资。前者该做，成本很低；后者不该承诺，也不该作为预算的理由。真正影响引用的是另一组变量——公开信源的数量与相关性、内容能否被切段摘取、事实字段是否完整可核验，这些才值得排进优先级。

操作清单：先分清你缺的是哪一环

先定位问题：查品牌在 AI 答案里是"完全没出现"还是"提到了但描述不准"——前者是可见度问题，后者才是理解问题。
只在真有问答结构时补 FAQPage：页面本来就有一组真实问答才加标记；为了凑标记硬造问答，对引用没有帮助。
补齐身份类字段：把经营主体、服务区域、联系方式等事实写进可见正文，并与身份类标记保持同一口径。
优先做可见正文：每个小标题下的段落能独立成立、数字有出处，这比标记类型更影响被摘取的概率（可对照哪些 GEO 技巧真有效的实测排序）。
分开记两类指标：把"AI 能否准确描述你"和"你被引用的次数"当成两条线分别跟踪，不要合成一个分数。

常见问题

加 schema 到底能不能提升 AI 引用？

对"已经被 AI 看见"的页面，隔离实验显示没有可测的提升。它的作用在抓取、解析与实体识别环节，属于前置条件而非增长杠杆。

为什么有的研究说提升 41%，有的说完全没用？

前者是无对照组的相关性基准，把"做了 schema 的站点整体更规范"算进了效果；后者用对照页面隔离了单一变量。两者不矛盾，是方法层级不同。

那我还要不要做结构化数据？

要做，但降低预期。它帮助机器正确理解页面与主体身份，成本低、风险小；只是不要用"引用增长"作为它的验收指标。

FAQ 结构化数据现在还有用吗？

Google 已不再显示 FAQ 富结果，但仍会读取这类数据理解页面。结论是：页面上有真实问答就保留，为了搜索展示而专门加就没有必要了。

不做 schema，AI 还读得懂我的页面吗？

能读。检索阶段消费的是可见正文。真正的风险是内容靠脚本渲染、正文里没有可独立摘取的段落——那和标记无关。

怎么判断一个 GEO 数据可不可信？

看三点：有没有对照组、样本窗口是否公开、发布方是否在卖对应服务。三条里缺两条，就当作线索，不要当作结论。

数据与来源

本文引用数据出处如下，口径与可信度差异一并标注：

1,885 页面对照实验与 600 万 URL 相关性观察：Ahrefs《We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved.》（2026-05-12）。方法为匹配式双重差分，含 4,000 条对照页面，测量窗口为加 schema 前后各 30 天。原文：ahrefs.com/blog/schema-ai-citations
1,000+ 项目行业基准（+41% 口径）：Over The Top SEO《The State of GEO in 2026》2026 年发布，服务商自研、无对照组，本篇仅作对照引用。原文：overthetopseo.com
五个 AI 系统检索行为测试：searchVIU 实验，经 Ahrefs 报告与第三方转述引用。属直接抓取场景测试，不等于证明训练与索引阶段无作用。转述来源：authoritytech.io
FAQ 富结果弃用：Google Search Central 文档更新日志，公告日 2026-05-07。原文：developers.google.com/search/updates

边界与不适用

结论：隔离实验的样本页面在加 schema 前每页已有 100 次以上 AI Overview 引用，结论只适用于已被看见的页面，不能外推。

隔离实验有一个必须说明的限定：样本页面在加 schema 之前，每页已有 100 次以上 AI Overview 引用，即全部是"已被看见"的页面。

因此结论只能推出"对已被引用的页面，加 schema 不提升引用"，不能推出"对尚未被 AI 看见的页面也无用"——那一类页面能否因标记而更容易被抓取解析，该实验没有回答。

此外，30 天的测量窗口可能偏短，全部 schema 类型被合并统计，页面在加标记时通常同时修改了其他元素，都构成干扰。行业基准类的对照数据则缺少对照组，不宜单独作为决策依据。

一句话总结：schema 该做，但它的位置在"被读懂"这一层，不在"被引用"这一层。把预算押在后者上，等于在验证过的空地上反复施工。

结语

结论：把技术标记与引用增长解绑后，优先级应重排为先确认公开信源够不够、正文能否被独立摘取。

把技术标记与引用增长解绑，是这一轮数据给出的最实用提醒。它也让优先级重新排序：与其争论标记怎么做，不如先确认公开信源够不够、正文能不能被独立摘取。想看这套判断在实际行业里怎么落地，可以参考灵曦GEO的服务页，其中有按行业拆解的诊断路径。